问财量化选股策略逻辑
选股逻辑：MACD零轴以上、DEA上涨、100亿市值以内的无亏损企业。选股逻辑作为第一个段落放入标题为##问财量化选股策略逻辑的段落中。分析以上的选股逻辑（每个逻辑以 "," 进行分隔），分析选股的逻辑（放入标题为##选股逻辑分析的段落），有什么风险？（放入标题为##有何风险？的段落）如何优化？（放入标题为##如何优化？的段落）并最终给出完善选股逻辑（放入标题为##最终的选股逻辑的段落），请用Markdown格式。
选股逻辑分析
该选股策略结合了技术面指标MACD和DEA，及市场基本面的企业市值和盈利情况指标。MACD和DEA指标可以判断出股票当前趋势的强弱，与企业盈利情况结合可筛选出一些相对稳健的股票。同时，该策略还剔除了亏损企业以及市值过大的个股，相对注重企业风险和股价相对合理的选择。
有何风险？
以下是该选股策略可能存在的一些风险：
- 技术指标短期失效：一些技术指标快速调整或者失效，影响选股效果；
- 企业财务数据的准确性：企业财务数据可能存在舞弊风险或者披露问题，影响选股效果；
- 细分行业龙头不确定性：有些细分行业的龙头企业虽市值较大但业务也比较稳定，剔除可能存在较大的风险。
如何优化？
以下是该选股策略的一些优化建议：
- 加入长期趋势分类：可以加入长期趋势指标，验证短期操作的可行性；
- 考虑板块选择：在选股时，可适当考虑板块的选择；
- 细分行业的筛选指标优化：对细分行业的龙头企业可以适当调整市值范围等指标。
最终的选股逻辑
该选股策略基于MACD和DEA技术面指标,结合企业市值和盈利情况，筛选出市值在100亿以内的，无亏损的股票。
同花顺指标公式代码参考
- 判断MACD零轴以上、DEA上涨: MACD(12,26,9)：DIF=EMA(CLOSE,12)-EMA(CLOSE,26);DEA=EMA(DIF,9);DIF>DEA;
- 判断市值小于100亿：市值数据可以通过Tushare或JQData等证券数据平台获取；
python代码参考
from jqdata import *
import talib
def initialize(context):
set_commission(PerTrade(buy_cost=0.0003, sell_cost=0.0003, min_cost=5))
set_slippage(PriceSlippage(0.002))
g.data_moving_period = 10
set_option('avoid_future_data', True)
def before_trading_start(context):
g.stocks_selected = select_stock(context)
def handle_data(context, data):
for security in context.portfolio.positions.keys():
if security not in data:
continue
if data[security].close < 0.95 * context.portfolio.positions[security].cost_basis:
order_target_value(security, 0)
if len(context.portfolio.positions) < 10:
buy_list = g.stocks_selected[:]
for buying_stock in buy_list:
if not data.can_trade(buying_stock):
continue
order_target_value(
buying_stock,
context.portfolio.portfolio_value/len(buy_list)
)
def select_stock(context):
stock_list = get_index_stocks('000300.XSHG')
# MACD指标金叉死叉
filter_ = (
lambda security:
talib.MACD(data[security].close, fastperiod=12, slowperiod=26, signalperiod=9)[0][-1] > 0 and
talib.MACD(data[security].close, fastperiod=12, slowperiod=26, signalperiod=9)[0][-1] >
talib.MACD(data[security].close, fastperiod=12, slowperiod=26, signalperiod=9)[1][-1] and
# 市值筛选
get_fundamentals(query(
valuation.market_cap <= 10000000000
),security_list=[security]).market_cap.iloc[0]>0
# 企业财务数据处理、筛选
)
stock_filtered = list(filter(lambda s: filter_(s), stock_list))
stock_filtered = sorted(
stock_filtered,
key=(
lambda s:get_fundamentals(
query(
valuation.circulating_market_cap
),
security_list=[s]
)[
'circulating_market_cap'
]
),
reverse=True
)
return stock_filtered
## 如何进行量化策略实盘？
请把您优化好的选股语句放入文章最下面模板的选股语句中即可。
select_sentence = '市值小于100亿' #选股语句。
模板如何使用？
点击图标右上方的复制按钮，复制到自己的账户即可使用模板进行回测。
## 如果有任何问题请添加 下方的二维码进群提问。
